An Ontology Construction Approach for the Domain Of Poultry Science Using Protege
Narasu’s Sarathy Institute of Technology(纳拉苏萨拉蒂理工学院)
现有的信息检索系统主要是基于关键词的全文匹配或基于主题的分类。这种关键字匹配往往返回大量无关信息,这不符合用户的查询要求。为了解决这一问题,并利用语义环境增强搜索,本文实现了一种家禽领域的本体技术。本体是当前语义环境研究领域的一种新兴技术。本文使用Protege 4.0构建了家禽本体,并为家禽本体的Web应用生成了资源描述框架模式和XML脚本。
2013-02-21 cs.AI
Smart Mobility Ontology: Current Trends and Future Directions
Ryerson University(瑞尔森大学)
本体是对领域中概念及其相互关系的明确的、形式化的表示。运输科学是一个广泛的领域,涉及各种复杂和相互关联的运输系统,如陆地,航空和海上运输的流动性,并可以从本体开发中获得相当大的优势。虽然在最近的文献中可以找到一些研究,但存在很大的潜力来改进和开发一个全面的智能移动本体。本章旨在介绍本体开发的不同方面,如本体开发方法,语言,工具和软件。随后,它介绍了目前可用的移动性相关的本体开发跨不同的领域,如交通,智能城市,货物移动,传感器。确定了现有本体的当前差距,并提出了本体开发的未来方向,可以将即将到来的自动驾驶和联网车辆,移动性即服务(MaaS)以及其他颠覆性的交通技术和服务结合起来。
2020-12-15 cs.AI
Acquisition and Representation of User Preferences Guided by an Ontology
Université Paris 13(巴黎第十三大学)
我们的食物偏好指导我们的食物选择,反过来又影响我们的个人健康和社会生活。在本文中,我们采用了一种方法,使用OWL 2表示的领域本体,以支持形式主义CP-Net中的偏好的获取和表示。具体而言,我们提出了领域本体的建设和问卷设计,以获取和表示的偏好。在大学食堂领域实现了偏好的获取和表示。我们在这一初步工作的主要贡献是获取偏好和丰富的模型,最好与领域知识表示的本体。
2022-01-11 cs.AI
InBiodiv-O: An Ontology for Indian Biodiversity Knowledge Management
为了表达生物多样性信息,需要一个语义模型来连接生物及其栖息地的各种数据。模型必须能够编码人类知识,以便机器理解。本体提供了最丰富的机器可解释(而不仅仅是机器可处理)和显式的语义,被广泛用于生物多样性领域。生物多样性领域开发了各种本体论,但对当前景观的审查表明,这些本体论无法定义印度的生物多样性信息,尽管印度是megadiversity国家之一。为了从语义上分析印度生物多样性信息,建立一个本体来描述网络上非结构化格式数据中的所有基本术语是至关重要的。由于本体的管理在很大程度上取决于这些实现的领域,因此还没有定义理想的方法论以供普遍使用。本文的目的是开发一个本体,语义编码的所有条款的印度生物多样性信息的所有方面的基础上提出的方法。对所提出的本体的综合评价表明,该本体在特定领域中构建得很好。
2022-10-28 cs.AI
ProcessCO v1.3's Terms, Properties, Relationships and Axioms - A Core Ontology for Processes
UNLPam(拉潘帕国立大学)
本预印本指定并定义了ProcessCO(过程核心本体)的所有术语、属性、关系和公理。ProcessCO是一个本体论,主要用于工作实体和相关术语,它被放置在称为FCD-OntoArch(科学的基础,核心和领域本体论架构)的多层本体论架构的上下文中的核心级别。这是一个五层的本体架构,它考虑了基础,核心,域和实例级别,其中域级别分为两个子级别,即:顶级域和低级域。除了基础层次只有ThingFO(Thing Foundational Ontology)外,其他层次的本体可以相互关联,并且较低层次的本体的术语和关系可以被较高层次的本体的术语和关系语义丰富。请注意,ThingFO和核心级别的本体(如ProcessCO、SituationCO等)都是与其术语无关的域。原型是用于主要从ThingFO本体丰富ProcessCO术语的机制。请注意,在本文档的最后,我们解决了ProcessCO与ThingFO的非分类关系验证矩阵。此外,请注意,从先前版本(ProcessCO v1.2)到当前版本(v1.3)的更新注释可参见附录A。例如,增加了6个公理。
2021-08-05 cs.AI
An Automatic Ontology Generation Framework with An Organizational Perspective
Virginia Commonwealth University(弗吉尼亚联邦大学);University of Sydney(悉尼大学)
本体以其知识的语义表示而闻名。本体不能自动演变以反映在各个域中发生的更新。为了解决这个问题,研究人员呼吁从非结构化文本语料库中自动生成本体。不幸的是,旨在从非结构化文本语料库中生成本体的系统是特定领域的,需要人工干预。此外,他们遭受的不确定性,创造概念的联系和困难,找到公理相同的概念。知识图谱(KGs)已经成为知识动态表示的一个强大模型。然而,幼儿园有许多质量限制,需要广泛改进。本研究旨在发展一个新的领域无关本体自动生成框架,将非结构化的文本语料转换为领域一致的本体形式。该框架从非结构化文本语料库中生成知识库,并对其进行改进和校正,使其与领域本体保持一致。所提出的自动生成的本体的力量是,它集成了知识库的动态特征和本体的质量特征。
2022-01-15 cs.AI
Combining Ontology Development Methodologies and Semantic Web Platforms for E-government Domain Ontology Development
Vaal University of Technology(瓦尔理工大学);North-West University(西北大学)
电子政务的主要挑战之一是开发易于集成和互操作的系统,以便向公民提供无缝服务。近年来,基于本体的语义Web技术已经成为解决上述工程问题的一个很有前途的解决方案。然而,目前的研究实践语义发展在电子政务并不集中在现有的方法和平台开发政府领域本体的应用。此外,只有少数这些研究提供了详细的指导方针,从政府服务领域开发语义本体模型。本研究提出了一个案例研究相结合的本体构建方法和两个国家的最先进的语义Web平台,即Protege和Java Jena本体API的语义本体开发在电子政务。首先,采用Uschold和King本体构建方法的框架来构建描述政府服务领域语义内容的领域本体。然后,用UML半形式化地表示领域本体。最后,利用Protege和Jena API分别建立了领域本体的Web本体语言(OWL)和资源描述框架(RDF)表示,以支持其计算机处理。这项研究的目的是:(1)为电子政务开发人员,特别是发展中国家的开发人员提供在其电子政务项目中进行语义内容开发的详细指南;(2)加强电子政务中语义技术的采用。这项研究也会引起语义网开发新手的兴趣,他们可能会把它作为进一步研究的起点。
2011-04-26 cs.AI cs.CY
Towards an Ontology based integrated Framework for Semantic Web
Electronic Research Institute(电子研究所);Al-Azhar University(爱资哈尔大学)
这种本体被广泛用于解决网络上的信息异构性问题,因为它们的能力,提供明确的意义的信息。它们成为以结构化方式进行知识表示的有效工具。对于同一个领域,总是有多个本体。此外,没有一个标准的方法来构建本体,有许多本体构建工具使用不同的本体语言。由于这些原因,本体之间的互操作性非常低。目前的本体工具大多使用函数来建立、编辑和推理本体。在大多数工具中没有包含用于合并异构领域本体的方法。本文提出了一种本体合并方法,用于从异构的可扩展置标语言(XML)数据源中构建一个全局本体,以捕获和维护XML数据源所能包含的所有知识
2013-05-30 cs.AI
The African Wildlife Ontology tutorial ontologies: requirements, design, and content
University of Cape Town(开普敦大学)
背景大多数教程本体侧重于说明本体开发的一个方面,特别是语言功能和自动推理机,但忽略了本体开发的因素,如紧急建模指南和本体论原则。然而,初学者从他们进行的练习中复制例子。不提供好的例子整体上导致传播次优本体开发,这可能会对一个真正的领域本体的质量产生负面影响。结果我们确定了22个要求,一个好的教程本体应该满足有关学科领域,逻辑和推理,工程方面。我们开发了一套关于非洲野生动物的本体论作为教程本体论。大部分的要求已经满足了一套非洲野生动物本体教程本体,这是本文介绍的。非洲野生动物本体是成熟的,自2010年以来每年都在本体工程课程或教程中使用,并被纳入最近的本体工程教科书,其中有相关的例子和练习。结论非洲野生动物本体论提供了广泛的选择有关的例子和练习的本体工程远远超出了只说明语言功能和自动推理。它有助于演示有关本体质量的任务,例如与基础本体的对齐和满足能力问题、版本控制和多语言本体。
2019-05-23 cs.AI
OntoWind: An Improved and Extended Wind Energy Ontology
TÜBİTAK Energy Institute(土耳其科学技术研究理事会能源研究所);Gazi University(加济大学)
本体是许多应用领域的重要语义信息源。因此,有本体论的建议,并利用领域,如医学,化学工程和电能。在本文中,我们提出了一个改进和扩展版本的风能本体先前提出的。首先,本体被重构以增加其可理解性和覆盖率。其次,它是丰富的新概念,清晰/模糊的属性,和实例,以增加其在语义应用程序中的可用性有关风能。最终本体利用基于Web的语义门户应用程序的风能,以展示其在一个真正的应用程序的贡献。因此,目前的研究是一个重要的风,从而可再生能源信息学,提出了公开的风能本体和实现的概念验证系统。
2018-03-07 cs.AI
JSI at the FinSim-2 task: Ontology-Augmented Financial Concept Classification
Jožef Stefan Institute(约瑟夫·斯特凡研究所);Jožef Stefan International Postgraduate School(约瑟夫·斯特凡国际研究生院)
在过去的几年里,本体越来越多地用于机器推理。它们可以提供概念的解释,或者如果存在从期望的标签到相关本体的映射,则用于概念分类。使用本体的另一个优点是它们不需要学习过程,这意味着我们在使用它们之前不需要训练数据或时间。本文提出了一个实际使用的本体的分类问题,从金融领域。它首先将一个给定的本体转换为一个图,并进行泛化,目的是找到金融概念的输入集的共同语义描述。我们提出了一个解决方案的共享任务学习语义相似性的金融领域(FinSim-2任务)。我们的任务是设计一个系统,可以自动分类的概念,从金融领域到最相关的上位概念在外部本体-金融行业业务本体。我们提出了一种方法,将给定的概念映射到所提到的本体,并进行图搜索最相关的上位词。我们还采用了一个词向量化方法和一个机器学习分类器,以补充该方法与每个概念的标签的排名列表。
2021-06-17 cs.AI
Integrating Ontology Design with the CRISP-DM in the context of Cyber-Physical Systems Maintenance
Helmut Schmidt University(赫尔穆特·施密特大学);TU Wien(维也纳技术大学);Ruhr University Bochum(波鸿鲁尔大学)
本研究提出将以领域专家为核心的本体设计与CRISP-DM融合的三阶段方法,用于构建CPS纠错性维护专用本体,并通过模块化加工厂异常检测案例验证了适用性。
2024-07-09 cs.AI
SituationCO v1.2's Terms, Properties, Relationships and Axioms -- A Core Ontology for Particular and Generic Situations
UNLPam(拉潘帕国立大学)
当前的预印本是SituationCO v1.1(Situation Core Ontology)的更新,代表了其新版本1.2。它指定并定义了SituationCO v1.2的所有术语、属性、关系和公理,作为一个特定和通用情境的本体论,置于称为FCD-OntoArch(科学基础、核心和领域本体论架构)的四层本体论架构的核心层面。这是一个四层的本体架构,它考虑了基础,核心,域和实例级别。反过来,域级别又分为两个子级别,即:顶级域和低级域本体级别。因此,实际上,我们可以将其视为五层架构。除了基础层次只有ThingFO(Thing Foundational Ontology)外,其他层次的本体可以相互关联,并且较低层次的本体的术语和关系可以被较高层次的本体的术语和关系语义丰富。请注意,ThingFO和核心级别的本体(如SituationCO、ProcessCO等)都是域独立的。SituationCO的术语和关系主要来自ThingFO。它还完全重用了主要来自ProcessCO、ProjectCO和GoalCO本体的术语。刻板印象是用来丰富SituationCO术语的机制。请注意,在本文档的最后,我们解决了SituationCO与ThingFO非分类关系验证矩阵。
2021-07-21 cs.AI
EBOCA: Evidences for BiOmedical Concepts Association Ontology
Centro de Tecnología Biomédica(生物医学技术中心);Universidad Politécnica de Madrid(马德里理工大学)
现在有大量的在线文档数据源。缺乏结构和格式之间的差异是自动提取信息的主要困难,这也对它的使用和重用产生了负面影响。在生物医学领域,DISNET平台的出现为研究人员提供了一个资源,通过大规模的异构源获得人类疾病网络范围内的信息。在生物医学领域,不仅要提供从不同来源提取的信息,而且要提供支持这些信息的证据。本文提出了EBOCA本体,它描述了(i)生物医学领域的概念和它们之间的关联,(ii)支持这些关联的证据;其目的是提供一种模式以改进该领域中证据和生物医学关联的出版和描述。本体已经成功地进行了评估,以确保没有错误,建模陷阱,并满足先前定义的功能要求。测试数据来自一个子集的DISNET和自动关联提取文本已被转换,根据建议的本体创建一个知识图谱,可以在实际情况下使用,并已被用于评估所提出的本体。
2022-08-01 cs.AI
Generic Ontology Design Patterns: Roles and Change over Time
DFKI(德国人工智能研究中心)
在这一章中,我们提出了通用本体设计模式,GODP,作为一种方法来表示和实例化的本体设计模式的方式,是适应性强,并允许领域专家(和其他用户)安全地使用它们,而不混乱他们的本体。
2020-11-18 cs.AI
NFDIcore 2.0: A BFO-Compliant Ontology for Multi-Domain Research Infrastructures
FIZ Karlsruhe – Leibniz Institute for Information Infrastructure(FIZ卡尔斯鲁厄——莱布尼茨信息基础设施研究所);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本文提出符合BFO的本体NFDIcore 2.0,通过模块化设计与SWRL规则实现德国NFDI多领域研究基础设施的互操作和跨域知识发现。
2024-09-16 cs.AI cs.DL
An Argumentation-Based Legal Reasoning Approach for DL-Ontology
Edinburgh Law School, University of Edinburgh(爱丁堡大学法学院)
本体是包括法律领域在内的不同领域中知识表示的一种流行方法,描述逻辑(DL)是其常用的描述语言。为了处理基于不一致DL的法律本体的推理,本文在ASPIC+的基础上提出了一个结构化的论证框架,并将法律本体转化为论证理论的公式和规则。从法律人工智能的角度特别关注自动驾驶汽车的设计,我们表明,使用这种形式化论证和基于DL的法律本体相结合的理论,可以获得可接受的断言不一致的本体的基础上,DL本体的传统推理任务也可以完成。此外,给出了推理结果解释的形式化定义。
2022-09-18 cs.AI
A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency
University of South Carolina(南卡罗来纳大学);IIIT-Delhi(德里印度信息技术学院)
本文利用IPC数据构建规划本体,以语义化组织规划器与领域知识,并通过宏等机制支持规划器选择和性能提升。
2024-07-08 cs.AI
A RAG Approach for Generating Competency Questions in Ontology Engineering
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
针对本体工程中能力问题生成依赖专家、耗时费力的问题,提出基于检索增强生成(RAG)的方法,以领域科学论文为知识库自动生成CQs,实验表明该方法比零样本提示性能更优。
2025-02-11 cs.AI
DOLCE: A Descriptive Ontology for Linguistic and Cognitive Engineering
本文介绍了首个被公理化的基础本体DOLCE,它受认知与语言学启发,为跨领域知识整合提供稳定的通用类别与关系,并展示了其实际建模应用。
2023-08-03 cs.AI
The Authority Resolution Framework: A Five-Domain Ontology for Governing Who and What Decides, at Scale
本文提出ARF五域本体,将权威关系定义为跨域原语,提供机器可解释的权威表示,支持AI智能体在执行行动前确定权威的来源、范围与有效性,属于AI治理交叉领域的知识表示与推理研究。
2026-08-18 cs.AI
Towards quantitative measures in applied ontology
University of Cambridge(剑桥大学);Carleton University(卡尔顿大学)
应用本体是一个相对较新的领域,它旨在应用哲学、认知科学、语言学和形式逻辑等不同学科的理论和方法来执行或改进特定领域的任务。为了支持有效的应用本体研究方法论的发展,我们批判性地讨论了如何评价其研究成果的问题。我们建议,应用本体论的结果必须在其应用领域内进行评估,基于一些基于本体论的任务在该领域内,并讨论定量措施,这将有利于客观评价和比较应用本体论的研究成果。
2012-02-16 cs.AI q-bio.QM
Enhancing Cluster Quality of Numerical Datasets with Domain Ontology
Charles Sturt University(查尔斯斯特大学)
本文提出一种基于领域本体的聚类方法,利用本体降低数值数据集属性维度,并通过GenClust++算法聚类,实验证明其能从本体低层级到高层级逐渐提升聚类质量。
2023-04-02 cs.AI cs.DB cs.LG
An Ontology for Satellite Databases
Center for Orbital Debris Education and Research (CODER), University of Maryland(马里兰大学轨道碎片教育与研究中心(CODER));National Aeronautics and Space Administration (NASA) Datanauts(美国国家航空航天局(NASA)Datanauts)
本文展示了卫星数据库本体的发展。首先,我为忧思科学家联盟(UCS)卫星数据库(简称UCSSD)创建了一个计算本体,称为UCS卫星本体(或UCSSO)。其次,在开发UCSSO时,我展示了空间态势感知本体(SSAO)(Rovetto和Kelso 2016)-现有的空间领域参考本体-以及作者的相关本体工作(Rovetto 2015,2016)可以(i)与数据库特定的本地本体(如UCSSO)一起使用,或者(ii)代替它。在情况(i)中,诸如UCSSO之类的本地本体可以重用SSAO术语,执行术语映射或对其进行扩展。在情况(ii)中,诸如SSAO之类的作者的轨道空间本体工作可由UCSSD和具有其他空间对象目录的组织用作提供公共语义丰富的领域模型的参考本体套件。SSAO、UCSSO和更广泛的轨道空间环境领域本体项目在http://purl.org/space-ontology和GitHub上在线。这种本体论的努力,部分目的是提供准确的形式表示的领域的各种应用程序。本体工程有可能促进共享和整合来自联合数据库和传感器的卫星数据,以实现更安全的航天飞行。
2018-01-06 cs.AI cs.DB
Toward Effective and Reliable LLM Agents via Dynamic Ontology
本文提出OaK框架,通过动态构建优化面向任务的本体论,在TravelPlanner等数据集上验证其可提升LLM智能体的证据基础与多步推理可靠性。
2026-08-25 cs.AI
GeoFault: A well-founded fault ontology for interoperability in geological modeling
Sirius Center, Department of Informatics, University of Oslo(奥斯陆大学信息学系Sirius中心);Geosiris SAS(Geosiris SAS公司);Department of Geosciences, University of Oslo(奥斯陆大学地球科学系);Informatics Institute, Federal University of Rio Grande do Sul(南里奥格兰德联邦大学信息学研究所)
地质建模目前使用各种基于计算机的应用程序。通过本体论在语义层面上的数据协调对于使这些应用程序具有互操作性至关重要。由于地质建模目前是多学科项目的一部分,语义协调不仅需要对地质知识进行建模,还需要在一般水平上整合其他领域的知识。因此,用于描述地质知识的领域本体必须建立在良好的本体背景之上,以保证所描述的地质知识的可集成性。本文提出了一个领域本体:GeoFault,基于基本形式本体BFO(Arp et al.,2015)和GeoCore本体(Garcia等人,2020年)。它对与地质断层有关的知识进行建模。断层对各个行业都是必不可少的,但建模复杂。它们可以被描述为薄的变形岩石体或由于地质块体的不同位移而产生的空间排列。在更广泛的范围内,断层目前被描述为仅仅是表面,这是复杂的断层阵列的组成部分。对BFO和GeoCore包的引用允许分配这些不同的故障元素,以在一致的本体框架内定义本体类及其逻辑链接。GeoFault本体涵盖了断层“狭义”的核心知识,不包括韧性剪切变形。这一词汇主要是描述性的,与区域露头尺度有关,不包括微观、造山和构造板块结构。本体在OWL 2中成型,通过两个用例的能力问题进行验证,并使用内部本体驱动的数据录入应用程序进行测试。GeoFault的工作为断层知识的消歧提供了一个坚实的框架,为应用程序和用户提供了断层数据集成的基础。
2023-02-14 cs.AI
NeurOWL: An LLM-Based Neural-symbolic Framework for Incomplete OWL Ontology Reasoning
The University of Manchester(曼彻斯特大学);Zhejiang University(浙江大学)
研究不完整OWL本体的包含关系推理问题,提出NeurOWL框架,通过大语言模型和本体嵌入联合执行验证和溯因,利用形式与文本语义,在多领域真实本体上评估,展现强大稳健性能。
2026-10-20 cs.AI
Membership Function Assignment for Elements of Single OWL Ontology
本文提出了OWL(Web本体语言)本体元素的隶属函数分配的思想,以便随后从该本体生成模糊规则。OWL本体元素的隶属函数分配任务已经部分描述,但这涉及同一领域的多个OWL本体可用并将它们合并到单个本体中的情况。本文的目的是提出的情况下,只有一个可用的本体OWL本体元素的隶属函数分配的方法。从OWL本体生成的模糊规则是语义网专家系统知识库的必要补充。SWES是一个专家系统,它将能够从OWL本体中提取知识,在Web中找到,并将作为一个通用的专家为用户。
2014-11-12 cs.AI
Enterprise domain ontology learning from web-based corpus
University Politehnica Bucuresti(布加勒斯特理工大学)
企业知识是竞争和快速变化的企业环境中的一项关键资产。学习、储存和传播隐性和显性知识的能力可能是成功与失败的区别。虽然企业知识管理是一个定义明确的研究领域,但目前的实施缺乏对中小企业的定位。我们提出了一个语义搜索引擎,在企业中的相关文件,自动生成的领域本体的基础上。在本文中,我们专注于本体学习和人口的组成部分。
2021-01-29 cs.AI cs.SE
Ontology Matching with Knowledge Rules
University of Oregon(俄勒冈大学)
本体匹配是自动确定两个本体概念之间的语义等价关系的过程。大多数本体匹配算法基于两种类型的策略:基于术语的策略,其根据概念的名称或描述来对齐概念,以及基于结构的策略,其利用概念层次来找到对齐。在许多领域中,存在关于以各种方式表示的概念的关系的附加信息,例如贝叶斯网络、决策树和关联规则。我们建议使用这些关系之间的相似性,以找到更准确的比对。我们通过定义软约束来实现这一点,软约束优选对齐,其中相应的概念具有编码为知识规则的相同的局部关系。我们使用一个概率框架,将这种新的基于知识的策略与标准的基于术语和基于结构的策略相结合。此外,我们的方法在识别复杂概念之间的对应关系方面特别有效。我们的方法实现了更好的F-分数比以前的国家的最先进的三个本体匹配域。
2015-07-11 cs.AI
TONE: A 3-Tiered ONtology for Emotion analysis
Indian Institute of Technology Patna(印度理工学院巴特那分校)
针对现有跨领域情感分类缺乏公开可用通用知识库的问题,本研究基于Gerrod Parrot的情感分组提出三层情感本体TONE,配套半自动化词汇构建流程与三类依赖关系自动建立方法,经评估验证质量并展示了三类应用场景。
2024-01-11 cs.AI
Thing Foundational Ontology: ThingFO v1.3's Terms, Properties, Relationships and Axioms
UNLPam(拉潘帕国立大学);Engineering School, UNLPam(拉潘帕国立大学工程学院)
此预印本指定并定义了ThingFO(Thing Foundational Ontology)v1.3的所有术语、属性、关系和公理,这是其前身ThingFO v1.2的略微更新版本。它是一个特定和普遍事物的本体论,位于一个名为FCD-OntoArch(科学的基础,核心,领域和实例本体论架构)的五层本体论架构的基础级别。图2描述了它的五个层,包括基础、核心、顶级域、低级域和实例级别。两个指导方针和三个规则,指导本体的位置和约束,在这个本体架构中记录在一个单独的部分。每个级别都填充有本体组件,或者换句话说,本体。除了在基础级别(在基础级别中仅发现ThingFO本体)之外,在相同级别的本体可以彼此相关。此外,在较低级别的本体的术语和关系可以由来自较高级别的本体的术语和关系在语义上丰富。ThingFO和核心级别的本体,如ProcessCO,SituationCO等,是领域独立或中立的。ThingFO由三个主要概念组成,即:Thing,Thing Category和Assertion,它们代表了人类对特定和普遍事物的不同方面的表达。图1显示了UML语言中指定的ThingFO的概念化。请注意,从先前版本(v1.2)到当前版本(v1.3)的更新注释可参见附录A。
2022-02-28 cs.AI
Ontology Refinement with Embeddings and LLMs: A Case Study on CASTON
University of Manchester(曼彻斯特大学);Jönköping University(延雪平大学);National University of Singapore(新加坡国立大学);COMPtech i Skillingaryd AB(COMPtech i Skillingaryd AB公司)
本文以铸造领域本体CASTON为研究对象,提出结合微调本体嵌入模型与LLMs的轻量可扩展本体优化工作流,经评估其修复效果获领域专家认可。
2026-10-16 cs.AI
Towards Ontology Construction with Language Models
Leipzig University(莱比锡大学);Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)(可扩展数据分析与人工智能中心(ScaDS.AI));School of Embedded Composite Artificial Intelligence (SECAI)(嵌入式复合人工智能学院(SECAI));TU Dortmund University(多特蒙德工业大学)
本文提出利用大型语言模型自动构建领域概念层级,并通过GPT 3.5在多个领域验证了其有效性。
2023-09-18 cs.AI
DISO: A Domain Ontology for Modeling Dislocations in Crystalline Materials
Forschungszentrum Jülich(于利希研究中心);University of Alexandria(亚历山大大学);RWTH Aachen University(亚琛工业大学)
本文提出位错本体(DISO),通过自上而下方法定义晶体材料线状缺陷概念与关系,遵循W3C标准发布,并通过用例与双向评估验证其在位错动力学建模中的有效性与丰富度。
2024-01-04 cond-mat.mtrl-sci cs.AI
Towards an ontology of portions of matter to support multi-scale analysis and provenance tracking
Petrobras S/A(巴西石油公司);Instituto de Informática, Universidade Federal do Rio Grande do Sul(南里奥格兰德联邦大学信息学院);University of Twente(特温特大学)
本文提出基于UFO的物质部分本体论,引入granuleOf关系与历史关系以支持多尺度物质溯源,并在石油与天然气工业地质应用中验证了其有效性。
2024-06-01 cs.AI
An Ontology for the Materials Design Domain
Linköping University(林雪平大学);The Swedish e-Science Research Centre(瑞典电子科学研究中心)
在材料设计领域,材料计算的大部分数据存储在不同的异构数据库中。材料数据库通常具有不同的数据模型。因此,用户必须面对的挑战,找到足够的数据源和集成来自多个来源的数据。本体和基于本体的技术可以解决这样的问题,领域知识的形式化表示可以使数据在不同的系统之间更加可用和互操作。在本文中,我们介绍了材料设计本体(MDO),它定义的概念和关系,以涵盖在材料设计领域的知识。MDO是利用材料科学(特别是固体物理学)的领域知识设计的,并由材料设计领域的几个数据库中的数据指导。我们展示了MDO的应用程序,从知名的材料数据库检索的材料数据。
2020-11-05 cs.AI cs.DB
An Ontology to support automated negotiation
Nagoya Institute of Technology(名古屋工业大学)
在这项工作中,我们提出了一个本体论,以支持自动协商的多智能体系统。本体可以连接到一些特定领域的本体,以促进在不同领域的谈判,如智能交通系统(ITS),电子商务等,为每种类型的谈判策略的具体谈判规则也可以被定义为本体的一部分,减少硬编码在代理的知识量,并确保互操作性。在ITS交通灯自动设置应用的多智能体体系结构中证明了本体的表达能力。
2017-10-28 cs.AI cs.MA
Facets, Tiers and Gems: Ontology Patterns for Hypernormalisation
Newcastle University(纽卡斯尔大学);University of Manchester(曼彻斯特大学)
有许多方法和技术可以简化本体构建的任务。在这里,我们描述了其中两个交叉点:本体规范化和完全编程的本体开发。其中第一个描述了一个本体的标准化组织,具有单独继承的独立实体,以及一些细化实体的小分类。前者是根据后者来描述和定义的,用于管理独立实体的多层次结构。完全程序化开发是一种技术,其中本体是使用程序设计语言内的领域特定语言开发的,这意味着除了定义本体实体外,还可以在同一环境中添加任意模式或新语法。我们描述了如何使用新的模式,使一种新的风格的本体开发,我们称之为超规范化。
2017-11-20 cs.AI
TransBox: EL++-closed Ontology Embedding
The University of Manchester(曼彻斯特大学)
本文针对现有OWL本体嵌入忽略复杂概念、难以处理复杂公理推理的问题,提出EL++-封闭本体嵌入和TransBox方法,可表示任意描述逻辑表达式并处理多种关系类型,在多个真实数据集上取得领先性能。
2025-02-04 cs.AI
A Modular Ontology for MODS -- Metadata Object Description Schema
Kansas State University(堪萨斯州立大学);Wright State University(莱特州立大学);South Dakota School of Mines & Technology(南达科他矿业理工学院)
针对 MODS 在知识图谱语境下的 XML 局限性,本文基于 MOMo 方法开发了包含其所有元素与属性的模块化本体 MMODS-O,在实现高质量模块化设计的同时保持了向后兼容。
2023-07-31 cs.AI cs.CL
A Domain Ontology for Modeling the Book of Purification in Islam
本文开发了伊斯兰教洁净篇的本体论,通过六步策略定义关键概念、属性和关系,以支持知识共享与重用。
2025-05-23 cs.AI cs.DL
A Task-Centric Ontology and Deterministic Domain Rules as a Verifiable Core for AI-Assisted Chemistry Problem Solving
本文提出ChemOntoRule,以任务为中心构建本体与确定性规则,在300道中学化学题上取得98.67%的匹配准确率,为AI辅助化学问题求解提供可验证的符号核心。
2026-08-28 cs.AI
Template-as-Ontology: Configurable Synthetic Data Infrastructure for Cross-Domain Manufacturing AI Validation
Siemens Digital Industries Software(西门子数字工业软件)
本文提出一种模板作为本体的方法,通过单一Python配置模块生成制造仿真和AI分析工具的统一数据结构,验证了跨领域制造AI验证的可行性。
2026-05-11 cs.AI
Ontology Embedding: A Survey of Methods, Applications and Resources
University of Manchester(曼彻斯特大学);University of Oxford(牛津大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文综述了本体嵌入的方法、应用与资源,系统分类分析了超80篇论文,介绍了其在本体工程、机器学习增强和生命科学中的应用,并提出了新库mOWL及未来方向。
2025-04-07 cs.AI
LLM-Driven Ontology Construction for Enterprise Knowledge Graphs
Liber AI Research(Liber AI研究)
本文提出OntoEKG,利用大语言模型自动构建企业知识图谱的领域本体,通过提取和蕴含模块提升效率,但在范围定义和层次推理方面仍有挑战。
2026-02-01 cs.AI
The problem of the development ontology-driven architecture of intellectual software systems
本文描述了领域本体知识库自动设计智能系统的体系结构和管理GUI(图形用户界面)子系统的软件模型
2018-02-22 cs.AI
Leveraging LLM for Automated Ontology Extraction and Knowledge Graph Generation
Arizona State University(亚利桑那州立大学)
本文提出 OntoKGen 流水线,利用 LLM、自适应迭代 CoT 和交互式界面,从 RAM 技术文档中按用户需求抽取本体并生成 KG,支持 Neo4j 集成与未来 RAG 应用。
2024-12-10 cs.AI
Ontology-Constrained Generation of Domain-Specific Clinical Summaries
Polytechnique Montreal(蒙特利尔理工学院);LAMA-WeST
本文提出利用本体引导的约束解码方法生成领域特定的临床摘要,在MIMIC-III数据集上验证了该方法能减少幻觉并提升电子健康记录摘要的领域相关性。
2024-11-23 cs.AI cs.CL
Preliminaries of a Space Situational Awareness Ontology
University of Maryland(马里兰大学);APUS/AMU(美国公立大学系统/美国军事大学);Center for Space Standards and Innovation, Analytical Graphics Inc.(分析图形公司空间标准与创新中心)
空间态势感知对于国际安全和保障以及空间旅行的未来至关重要。通过改善SSA数据共享,我们改善了全球SSA。计算本体论可以为实现这一目标提供一种手段。本文开发了空间态势感知领域的本体,并采取步骤创建空间态势感知本体。本体论的目标,要求和desiderata概述,并描述了SSA域和学科的本体论。本体论的目的包括:探索本体论开发和工程的潜力,以便(一)表示空间态势感知数据、一般领域知识、物体和关系,(二)注释和表达这些数据的含义,以及(三)促进空间态势感知行为者、轨道碎片数据库、空间物体目录和其他空间态势感知数据储存库之间的空间态势感知数据交换和整合。通过数据和知识共享改善空间态势感知,我们可以(iv)扩大我们对空间环境的科学知识,(v)提高我们防御近地天体的能力,以及(vi)确保未来几代人的安全空间飞行。
2016-06-23 cs.AI cs.DB
Le terme et le concept : fondements d'une ontoterminologie
Laboratoire Listic(LISTIC实验室)
本体的大多数定义,被视为“概念化的规范”,同意这样一个事实,即如果本体可以采取不同的形式,它必然包括术语的词汇表和与域的概念化有关的意义的一些规范。而领域知识主要通过科技文本来表达,我们希望从中提取一些有用的信息来构建本体。但就这么简单吗?在这篇文章中,我们将看到词汇结构,即由语言关系连接的单词网络,不一定与领域概念化相匹配。我们必须记住,编写文档是文本语言学的关注点,其中一个原则是文本的不完整性,而构建本体-被视为独立于任务的知识-关注的是基于形式语言而不是自然语言的概念化。然而,著名的萨皮尔和沃尔夫关于思维和语言相互依赖的假设也适用于形式语言。这意味着构建本体和定义概念的方式直接取决于所使用的形式语言;并且结果将不相同。引入本体术语的概念,可以考虑到认识论的原则,为正式的本体论建设。
2008-01-08 cs.AI
Modeling of Item-Difficulty for Ontology-based MCQs
Indian Institute of Technology Madras(印度理工学院马德拉斯分校);Umm Alqura University(乌姆古拉大学)
可以从领域本体生成的多项选择题(MCQ)可以显着减少在电子学习环境中编写和管理评估所需的人力和时间。尽管存在用于从本体生成MCQ的各种方法,但是用于确定这样的MCQ的难度级别的方法较少探索。在本文中,我们研究了各个方面和因素,参与确定的难度得分的MCQ,并提出了一个基于本体的预测模型。该模型描述了与MCQ的词干和选择集相关的难度值,并描述了结合这两个分数的度量。此外,基于考生的技能水平分配难度分数的概念被用来预测一个茎的难度分数。我们研究了预测的难度分数的有效性的帮助下,从项目反应理论的心理测量模型,通过涉及真实的学生和领域专家。研究结果表明,被试的预测难度水平与实际难度水平具有高度的相关性。
2016-07-04 cs.AI
OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment
City St George’s, University of London(伦敦城市圣乔治大学);University of Oslo(奥斯陆大学);University of Manchester(曼彻斯特大学)
本文提出 OWL2Vec4OA,通过将种子映射的边置信度融入随机游走策略,扩展 OWL2Vec* 以定制面向 ontology alignment 的知识图谱嵌入,并验证了其有效性。
2024-10-23 cs.AI
ExtruOnt: An ontology for describing a type of manufacturing machine for Industry 4.0 systems
University of the Basque Country UPV/EHU(巴斯克大学)
针对工业4.0中制造机器缺乏机器可解释语义描述的问题,本文与领域专家合作构建了面向挤出机的模块化本体 ExtruOnt,为同类制造机器本体开发提供参考模型。
2024-01-22 cs.AI